基于趋势相似性特征的异常工况监测方法研究

当前火力发电生产过程中,多元变量检测方法难以实现多元非平稳过程变量异常工况监测。对此,首先计算多元变量之间在固定时间窗口宽度内数据之间的趋势相似性,采用所得到的趋势相似性作为监控特征。其次,采用主元分析方法对所得到相似性特征序列进行降维,对降维后所得到的主元空间趋势相似性特征序列进行监控。最后,以T2统计量作为监测指标,依据T2统计量与其控制阈值T2α的大小关系产生告警信号,从而达到有效监控多元非平稳过程变量的目的。通过在华北电网某300 MW火电机组的应用,验证了所提出方法的有效性与可靠性。该方法较好地解决了多元非平稳过程的检测问题,对于相关研究与应用具有借鉴意义。

基于Savitzky-Golay滤波器的多变量监控报警方法研究

工业报警系统是现代流程工业中集散控制系统的核心组成部分。由于不恰当的报警变量设置,实际当中常常产生大量干扰报警,对生产的安全高效形成严重威胁。造成大量干扰报警的一个重要原因是报警变量的设置缺乏与相关变量的关联。文中采用将定性趋势分析与数据驱动相结合的方法进行多变量报警系统设计。主要思想是通过Savitzky-Golay滤波器提取相关过程变量信号的滤波后幅值及各阶导数作为定性趋势的代替特征,并在特征空间中训练支持向量机模型,判别是否应当给出报警。所展示的给水泵的实例表明,文中所提出的方法具有高准确率的优点,改进了传统的对单变量设置报警阈值的方法,使得误报警、漏报警数量都大幅下降。